ตรวจสอบคำทำนายหลังเป็นคำง่ายๆ "จำลองข้อมูลที่จำลองแบบภายใต้รูปแบบที่ติดตั้งแล้วเปรียบเทียบกับข้อมูลที่สังเกต" ( Gelman and Hill, 2007, p. 158 ) ดังนั้นคุณใช้การคาดการณ์หลังเพื่อ "มองหาความแตกต่างที่เป็นระบบระหว่างข้อมูลจริงและข้อมูลจำลอง" ( Gelman et al. 2004, p. 169 )
มีข้อโต้แย้งเกี่ยวกับ "การใช้ข้อมูลเป็นครั้งที่สอง" คือการที่คุณใช้ข้อมูลของคุณสำหรับการประเมินรูปแบบแล้วสำหรับการตรวจสอบถ้ารูปแบบเหมาะกับข้อมูลในขณะที่โดยทั่วไปมันเป็นความคิดที่ไม่ดีและมันจะดีกว่าที่จะตรวจสอบรูปแบบของคุณกับข้อมูลภายนอกที่ไม่ได้ใช้สำหรับการประเมิน
การตรวจสอบแบบทำนายล่วงหน้ามีประโยชน์ในการประเมินว่าแบบจำลองของคุณให้การคาดการณ์ที่ "ถูกต้อง" เกี่ยวกับความเป็นจริงหรือไม่ - พวกมันเหมาะสมกับข้อมูลที่สังเกตหรือไม่ มันเป็นขั้นตอนที่มีประโยชน์ของการสร้างแบบจำลองและการตรวจสอบ มันไม่ได้ให้คำตอบที่ชัดเจนว่าแบบจำลองของคุณเป็น "ok" หรือถ้าเป็น "ดีกว่า" แล้วแบบจำลองอื่น ๆ จะช่วยให้คุณตรวจสอบว่าแบบจำลองของคุณเหมาะสมหรือไม่
นี่อธิบายไว้เป็นอย่างดีในLapacesDemon vignette Bayesian Inference :
การเปรียบเทียบการแจกแจงการทำนายกับข้อมูลที่สังเกตได้มักจะเรียกว่า การตรวจสอบประเภทนี้รวมถึงความไม่แน่นอนที่เกี่ยวข้องกับพารามิเตอร์โดยประมาณของโมเดลซึ่งแตกต่างจากสถิติที่ใช้บ่อยyrepy
การตรวจสอบการทำนายหลัง (ผ่านการกระจายการทำนาย) เกี่ยวข้องกับการใช้ข้อมูลซ้ำซ้อนซึ่งเป็นการละเมิดหลักการความน่าจะเป็น อย่างไรก็ตามการโต้เถียงได้รับการสนับสนุนจากการตรวจสอบการคาดการณ์หลังโดยมีเงื่อนไขว่าการใช้งานจะถูก จำกัด ในการวัดความคลาดเคลื่อนในการศึกษาความเพียงพอของแบบจำลองไม่ใช่สำหรับการเปรียบเทียบแบบจำลองและการอนุมาน (Meng 1994)
Gelman แนะนำในระดับพื้นฐานที่สุดเพื่อเปรียบเทียบกับโดยมองหาความแตกต่างอย่างเป็นระบบซึ่งอาจบ่งชี้ถึงความล้มเหลวของโมเดล (Gelman et al. 2004, p. 159) มันก็มักจะเป็นครั้งแรกขอแนะนำเปรียบเทียบแปลงกราฟิกเช่นการกระจายของ
และ{}yrepyyyrep